[发明专利]一种基于渐进式分割网络的细微缺陷分析方法

权利要求书

1.一种基于渐进式分割网络的细微缺陷分析方法，其特征在于，包括以下步骤：

步骤S1、采集部件表面的原始图像，并将原始图像裁剪为具有一定大小的若干小块图像，用于后续对细微缺陷的检测分析任务；采用重叠性裁剪方式将原图像裁剪为小块图像，若小块图像的宽高分别为w和h，则相邻两个小块图像重叠区域的宽为w·op或高为h·op，其中op为重叠阈值；

步骤S2、将小块图像分别输入训练好的细微缺陷特征提取网络中提取图像特征；

步骤S3、根据提取到的图像特征将小块图像分为缺陷图和不包含缺陷的背景图；

步骤S4、对于缺陷图，将其通过细微缺陷特征提取网络提取到的图像特征输入训练好的缺陷分割网络中，以获取对应缺陷的分割掩膜图；

步骤S5、根据分割掩膜图对缺陷进行定量分析，获取对应缺陷的各类指标信息，所述指标信息包括缺陷的面积、长度和宽度；

所述细微缺陷特征提取网络包括残差单元模块和跨尺度特征融合模块，所有特征尺度下采样操作均由步长更大的卷积层完成，且跨尺度特征融合模块中使用三种卷积核大小不同的卷积层对残差单元模块的输出特征进行不同感受野大小的特征信息提取；

所述细微缺陷特征提取网络依次包括第一残差单元模块、跨尺度特征融合模块和第二残差单元模块；跨尺度特征融合模块使用三个卷积分支分别对第一残差单元模块输出的特征进行不同感受野大小的特征信息提取，分支(1)仅使用卷积核大小为1×1的卷积层，分支(2)和分支(3)分别使用卷积核大小为3×3、5×5的卷积层，并在分支首尾分别添加卷积核大小为1×1的卷积层；将三个卷积支路提取的特征与第一残差单元模块的输出特征进行融合作为第二残差单元模块的输入，并将第二残差单元模块的输出作为整个特征提取网络的最终输出；所述第二残差单元模块的输入f(x,y,c)表示为：

其中，h为第一残差单元模块的输出特征，α、β、γ分别表示分支(1)、分支(2)、分支(3)提取的特征，x、y、c分别表示特征信息图长度、宽度、深度三个维度的索引；X、Y、C分别代表在这三个维度上的最大索引值；

所述重叠阈值的计算公式为：

其中，Max(·)函数表示取最大值操作，W、H分别表示原始图像的长度和宽度，w_i、h_i分别表示某个缺陷样本的长度和宽度，δ是一个约束值，根据所有缺陷样本中缺陷目标的距离分布计算得出：

其中，(x_i,y_i)表示某个缺陷样本相对于图像左上角的基准原点得到的缺陷目标的中心点坐标，N代表缺陷数据集中缺陷样本的总数。

2.如权利要求1所述的一种基于渐进式分割网络的细微缺陷分析方法，其特征在于，在保持感受野大小不变的情况下，将分支(3)中大小为5×5的卷积核替换为两个级联的大小为3×3的卷积核，以进一步减少特征提取时的计算消耗。

3.如权利要求1所述的一种基于渐进式分割网络的细微缺陷分析方法，其特征在于，步骤S4中，所述缺陷分割网络包括分类、定位和分割三个分支，分类分支用于输出缺陷的分类置信度，定位分支用于输出缺陷的位置信息，分割分支用于输出缺陷的分割掩膜图，通过设定分类置信度阈值筛选得到最终的缺陷位置信息及对应的分割掩膜图。

4.如权利要求1所述的一种基于渐进式分割网络的细微缺陷分析方法，其特征在于，步骤S5中，统计分割掩膜图中非零像素点的总数，并将其作为对应缺陷的面积；获取分割掩膜图中非零像素区域的最小外接矩形，将最小外接矩形的长和宽作为对应缺陷的长和宽。